Fusão de descritores de histogramas de gradientes para a detecção de faces baseado em uma cascata de classificadores.

Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.Submitted by Oliveira Flávia (flavia@sisbin.ufop.br) on 2015-01-06T19:20:42Z No. of bitstreams: 2 license_rdf: 22190 bytes, checksum: 19e8a2b57ef43c09f4d7071d2153c97d (MD5) DISSERTAÇÃO_FusãoDescritoresHistogramas.pdf: 5665825 bytes, checksum: f39862c7497c8adf0a683ef324097143 (MD5)Approved for entry into archive by Gracilene Carvalho (gracilene@sisbin.ufop.br) on 2015-01-16T15:31:14Z (GMT) No. of bitstreams: 2 license_rdf: 22190 bytes, checksum: 19e8a2b57ef43c09f4d7071d2153c97d (MD5) DISSERTAÇÃO_FusãoDescritoresHistogramas.pdf: 5665825 bytes, checksum: f39862c7497c8adf0a683ef324097143 (MD5)Made available in DSpace on 2015-01-16T15:31:14Z (GMT). No. of bitstreams: 2 license_rdf: 22190 bytes, checksum: 19e8a2b57ef43c09f4d7071d2153c97d (MD5) DISSERTAÇÃO_FusãoDescritoresHistogramas.pdf: 5665825 bytes, checksum: f39862c7497c8adf0a683ef324097143 (MD5) Previous issue date: 2014O problema de detecção de faces em imagens ou vídeos tem sido amplamente estudado pela comunidade científica. Muitas pesquisas foram desenvolvidas durante décadas desde as mais simples até as mais complexas com a finalidade de superar alguns problemas existentes nas imagens ou vídeos, por exemplo: oclusão, mudanças de iluminação, variações de pose e escala, entre outros. Neste trabalho é proposto um método de detecção de faces que concatena o Histograma de Gradientes Orientados (HOG) e o Histograma de Gradientes Orientados Médios (HAOG) para finalmente classificá-los dados através de uma cascata de classificadores de “uma classe" baseados no modelo convexo mais próximo. A cascata de classificadores de “uma classe" permite gerar classificadores mais simples com uma rejeição de falsos positivos mais rápida. Além de reduzir a região de busca é utilizado um algoritmo de detecção de pele, o que também permite diminuir o número de falsos positivos, sendo está característica a principal contribuição deste trabalho. Logo, é gerada uma pirâmide de imagens com o intuito de detectar faces de diferentes tamanhos nas regiões configuradas como pele. O método proposto conseguiu uma melhor acurácia e o menor número de falsos positivos quando foi comparado com os métodos HOG, HAOG, HOG-LBP (Cevikalp et al. 2013) e (Viola and Jones 2004). Mostrou-se resultados promissores quando comparados com os métodos do estado da arte considerados no benchmark da base FDDB (Jain and Learned Miller 2010).Face detection problem in images or videos has been widely studied by scientific community. Many researches have been developed in the last decades, from the most simple to the most complex to overcome some problems related in images or videos, i.e. occlusion, illuminations changes, pose and scale variations, among others. This thesis proposes a method for face detection problem, which concatenates Histogram of Oriented Gradients and Histogram of Averaged Oriented Gradients to classify them through a cascade of “one class" classifiers based on the nearest convex model. A cascade of “one class" classifiers generate simple classifiers to reject false positives quickly. To reduce the search region and the false positives number is used a skin detection algorithm, which is the principal contribution of this work. Then, we generate a pyramid image to detect faces with different size in the skin regions. The proposed method achieved the best accuracy and the fewest false positives number when we compare with HOG, HAOG, HOG-LBP (Cevikalp et al. 2013) and (Viola and Jones 2004) methods. We reached promising results when we compared with state-of-the-art methods considered in the FDDB benchmark (Jain and Learned Miller 2010)